Dreidimensionale Formmodellierung und Analyse von Gehirnstrukturen

Die Formanalyse von Hirnstrukturen hat sich als bevorzugtes Werkzeug herauskristallisiert, um ihre morphologischen Veränderungen unter pathologischen Prozessen wie neurodegenerativen Erkrankungen und Alterung¹zu untersuchen. Verschiedene Rechenmethoden sind erforderlich, um 1) die Grenzen von Zielstrukturen aus medizinischen Bildern genau abzugrenzen, 2) die Zielform in Form von 3D-Oberflächennetzen zu rekonstruieren, 3) intersubjektübergreifende Korrespondenz über die einzelnen Formmodelle mittels Formparametrierung oder Oberflächenregistrierung zu bilden und 4) die regionalen Formunterschiede zwischen Individuen oder Gruppen quantitativ zu bewerten. In den letzten Jahren, viele Methoden wurden in Neuroimaging-Studien für jeden dieser Schritte eingeführt. Trotz der bemerkenswerten Entwicklungen auf diesem Gebiet gibt es jedoch nicht viele Rahmenbedingungen, die sofort auf die Forschung anwendbar sind. In diesem Artikel beschreiben wir jeden Schritt der Formanalyse von Gehirnstrukturen mithilfe unserer benutzerdefinierten Formmodellierungstools und öffentlich verfügbaren Bildsegmentierungstools.

Hier zeigen wir den Rahmen für die Formanalyse für Hirnstrukturen durch die Formanalyse des linken und rechten Hippocamps anhand eines Datensatzes von Erwachsenenkontrollen und Alzheimer-Patienten. Atrophie des Hippocampi ist als kritischer bildgebender Biomarker bei neurodegenerativen Erkrankungen^2,3,4anerkannt. In unserem Shape-Analyse-Framework verwenden wir das Vorlagenmodell der Zielstruktur und die vorlagenverformbare Registrierung im Formmodellierungsprozess. Das Vorlagenmodell kodiert allgemeine Formmerkmale der Zielstruktur in einer Grundgesamtheit und bietet auch eine Basisfürstfür die Quantifizierung der Formunterschiede zwischen den einzelnen Modellen über ihre transitive Beziehung zum Vorlagenmodell. In der Vorlagen-zu-Bild-Registrierung haben wir eine Laplacian-Oberflächenverformungsmethode entwickelt, um das Vorlagenmodell in einzelnen Bildern an die Zielstruktur anzupassen und gleichzeitig die Verzerrung der Punktverteilung im Vorlagenmodell^5,6,7zu minimieren. Die Machbarkeit und Robustheit des vorgeschlagenen Rahmens wurden in den jüngsten neuroimaging Studien der kognitiven Alterung^{validiert 8}, Früherkennung von leichten kognitiven Beeinträchtigung^{enthoben 9}, und um Assoziationen zwischen strukturellen Veränderungen des Gehirns und Cortisolspiegel¹⁰zu untersuchen. Dieser Ansatz würde es einfacher machen, die Formmodellierungs- und Analysemethoden in weiteren neuroimaging-Studien zu verwenden.